Thách thức sử dụng AI trong giảng dạy đại học Chile
Tại nhiều trường đại học Chile, các giảng viên đang đối mặt với vấn đề chưa từng có: liệu các bài luận có nên được viết tại nhà với sự trợ giúp của trí tuệ nhân tạo (AI) hay phải làm trong phòng thi, trên giấy hoặc không kết nối mạng để tránh sử dụng công cụ này? Hiện chưa tồn tại quy định chung trong chương trình giảng dạy cho phép xử lý thống nhất vấn đề này. Vì thế, mỗi giảng viên tự đưa ra quyết định riêng, dẫn đến sự thiếu đồng bộ. Điều này kéo theo hệ quả đa chiều như giảm số lượng sinh viên đăng ký khi áp dụng quy tắc nghiêm ngặt, đánh giá giảng dạy kém hơn do đưa ra hạn chế, và nhiều phản hồi tiêu cực vì cảm nhận các quy định là tùy tiện.
Thay vì có hướng đi chung để quản lý việc sử dụng AI, sinh viên thường chọn cách dễ dàng nhất để vượt qua môn học, làm ảnh hưởng đến chất lượng đào tạo. Mối lo ngại đặt ra là với việc AI chưa được kiểm soát chặt chẽ, sinh viên có thể không phát triển hoặc mất các kỹ năng quan trọng cần có cho nghề nghiệp tương lai. Với người đã thành nghề, việc phụ thuộc vào AI có thể làm hao mòn kỹ năng, còn với người học, nó ngăn cản sự hình thành kỹ năng nền tảng.
Khung đào tạo đề xuất: Kiêng kỵ trước, tăng cường sau
Tác giả đưa ra đề xuất về một khung chương trình đào tạo quanh việc sử dụng AI, với nguyên tắc "kiêng kỵ trước, tăng cường sau". Theo đó, trong giai đoạn kỹ năng chuyên môn còn trong quá trình phát triển, AI không nên là công cụ hỗ trợ, để sinh viên phải chủ động học và phát triển năng lực.
Khi kỹ năng đã được hình thành chắc chắn và đánh giá qua một "cột mốc kiểm tra" khắt khe về năng lực thực tế, AI được phép nhập cuộc như một công cụ để nâng cao hiệu quả và năng suất làm việc cho người hành nghề.
Điều này đảm bảo AI là phương tiện bổ trợ chứ không thay thế hoàn toàn công sức sinh viên. "Cột mốc kiểm tra" là bước đánh giá quan trọng phải được tích hợp vào chương trình đào tạo cấp khoa, trường để kiểm chứng năng lực đã có trước khi cho phép ứng dụng AI. Nó tránh cho việc các chứng chỉ được cấp bằng hình thức, không phản ánh thực tế năng lực cá nhân.
Áp lực đánh giá và tầm quan trọng của "cột mốc kiểm tra"
Tình huống điển hình được dẫn chứng từ Đại học Brown (Mỹ) khi một giảng viên kinh tế áp dụng bài kiểm tra giữa kỳ làm tại nhà có điểm số trung bình rất cao lên đến 96/100, gây nghi ngờ về việc đánh giá thực lực sinh viên. Bài thi cuối kỳ được tổ chức trực tiếp với điểm trung bình giảm xuống còn 48,6, đồng thời số sinh viên tham dự giảm. Qua đây cho thấy sự cần thiết của các hình thức đánh giá trực tiếp, khó gian lận, làm cơ sở để đảm bảo năng lực thật sự của sinh viên.
Hơn nữa, sự gia tăng sử dụng AI tạo ra thách thức lớn cho các hoạt động đánh giá học tập truyền thống. Nếu không kiểm soát được việc sử dụng AI, điểm số sẽ không còn phản ánh đúng trình độ và kiến thức. Do đó, cứ áp dụng hình thức đánh giá "cột mốc" ở từng trọng điểm trong chương trình giúp bảo đảm tiêu chuẩn đào tạo và uy tín bằng cấp.
Định hình chương trình đào tạo phù hợp với kỷ nguyên AI
Ở Chile, hệ thống giáo dục đại học hướng đến đại trà với sinh viên xuất phát điểm khác nhau, do vậy việc chứng nhận năng lực thực tế qua văn bằng không chỉ là vấn đề học thuật mà còn mang tính kinh tế xã hội. Chương trình đào tạo cần được thiết kế chi tiết, đồng bộ từ đầu đến cuối, phân định rõ giai đoạn phát triển kỹ năng cần tránh dùng AI và giai đoạn cho phép AI hỗ trợ.
Việc duy trì sự rõ ràng và kiểm soát việc ứng dụng AI là vấn đề mang tính đạo đức và đào tạo, quyết định chất lượng nhân lực mà đất nước sẽ sở hữu trong tương lai. Mỗi ngành học cần chịu trách nhiệm về việc xây dựng lộ trình thể hiện rõ vai trò AI trong đào tạo và đánh giá sinh viên. Chỉ có như vậy, các bằng cấp mới đảm bảo tính xác thực và đánh giá đúng năng lực người học, tránh biến những người ra trường thành “nhân viên vận hành AI” thay vì chuyên gia có năng lực thực sự.
Cuối cùng, việc này không phụ thuộc vào công nghệ mà là vào từng chương trình đào tạo tại các trường đại học Chile, nơi quyết định cách vận dụng AI như một công cụ hỗ trợ phục vụ mục tiêu phát triển năng lực chuyên môn một cách có trách nhiệm.
Những điều bổ ích rút ra từ bài viết
- AI không nên được sử dụng trong giai đoạn sinh viên đang phát triển kỹ năng để tránh mất khả năng tự học.
- Luật chơi về AI hiện đang do từng giảng viên tự quyết, dẫn đến sự không đồng bộ trong đào tạo và đánh giá.
- "Cột mốc kiểm tra" là giải pháp cần thiết để xác nhận năng lực thực của sinh viên trước khi cho phép dùng AI.
- Chương trình đào tạo đại học Chile đang hướng tới xây dựng khung rõ ràng về thời điểm và cách sử dụng AI trong học tập.
- Quyết định sử dụng AI trong đào tạo không chỉ là vấn đề công nghệ mà còn là trách nhiệm đạo đức và giáo dục.
Đăng ký bản tin QMVN
Bản tin buổi sáng mỗi ngày - chỉ những bài đáng đọc, không spam.







